- 辛树琦;王兴;郑小建;
实践发现现存概率语言Power平均算子在应用中存在概率信息丢失、计算过于繁琐等问题,针对这些问题,提出一种基于调和概率语言术语集的Power平均算子。结合新的基本运算法则与新的支撑度,给出新的概率语言Power平均算子、概率语言Power几何平均算子、概率语言Power加权平均算子、概率语言Power加权几何平均算子,同时论证分析了这几类新型算子的性质。最后通过实验数据,将提出的算子与现存算子进行对比分析,验证了所提算子的有效性与可行性。
2024年02期 v.40;No.196 1-13页 [查看摘要][在线阅读][下载 1205K] [下载次数:263 ] |[阅读次数:2 ] - 黄祖超;叶锋;黄添强;
深度学习图像生成技术已取得显著进展,其中扩散模型是一种高效的生成模型,它被广泛用于图像生成。然而,由扩散模型生成的图像存在潜在的隐私和数据安全风险,尤其是伪造人脸图像可能被恶意用于伪造身份和欺骗人脸识别系统。通过对主流伪造人脸图像检测器的评估,揭示了扩散模型与生成对抗网络在频域上存在差异的特征,验证了基于频域分析的有效检测方法,为保护隐私和数据安全提供了强有力的支持。
2024年02期 v.40;No.196 14-22页 [查看摘要][在线阅读][下载 1461K] [下载次数:778 ] |[阅读次数:4 ] - 黄子晴;林兵;卢宇;刘对;王明芬;
为了给电动汽车(EV,electric vehicle)出行提供充足的能源支持,对充电站进行合理部署至关重要,但在规划时不同主体间存在难以耦合的利益冲突,为此兼顾投建经济性与用户充电便利性,提出一种基于遗传算法的自适应粒子群算法(APSOGA)用于选址定容。首先,通过分析EV日行驶规律,预测EV日充电负荷分布情况,以确定充电站数量范围;其次,构建兼顾EV和充电站承包商利益的充电站选址定容规划模型;最后,将遗传算法的交叉和变异操作引入粒子更新环节,设计了APSOGA算法,以寻优求解生成最佳的选址定容方案。实验结果表明,与经典的充电站选址定容方法相比,所提方法综合成本降低了7.19%~14.37%,充电站利用率提升了14.28%~29.03%,能够为用户提供高质量充电服务。
2024年02期 v.40;No.196 23-35页 [查看摘要][在线阅读][下载 2548K] [下载次数:1950 ] |[阅读次数:4 ] - 郑圣彬;谢加良;张东晓;
在时序数据中发现隐藏的异常行为或事件,可以保障生产安全,具有重要意义。目前的异常检测模型存在训练不稳定、容易产生梯度消失的问题,影响异常检测效果,针对该问题,提出一种LSTM-WGAN模型,WGAN负责捕获变量之间的潜在关联,进一步提升了LSTM的检测能力。同时,以Wasserstein距离代替交叉熵损失训练判别器和生成器,结合重构损失以及判别损失实现异常检测。在NAB公开数据集上的实验结果表明LSTM-WGAN相较于基准模型在准确率、召回率以及F1得分上都有较大幅度的提升。
2024年02期 v.40;No.196 36-45页 [查看摘要][在线阅读][下载 1339K] [下载次数:1371 ] |[阅读次数:3 ] - 徐宏韬;王豪;翟雪娜;魏丽芳;陈楠;薛岚燕;
由于数据集之间存在域偏移问题,基于深度学习的语义分割网络在不同数据集之间进行视盘视杯分割性能存在很大差异,这使得不同的医学站点之间进行精确的图像分析和诊断具有一定的挑战性。针对这一问题,提出了一种U-Net结合域对抗网络(domain adversarial via U-Net network, DAUNet)的无监督域适应视盘视杯联合分割方法,并在视盘视杯分割领域取得了不错的性能。首先,利用对抗思想结合目标数据先验特征信息生成与目标数据集相似的数据,预先调整网络参数;其次,通过对抗学习源域和目标域的域变特征,从而降低域偏移的影响,提高分割性能。在REFUGE、Drishti-GS和RIM-ONE-r3共3个数据集之间进行跨数据集的域适应实验和消融实验。实验结果表明,DAUNet网络在以REFUGE作为源域,RIM-ONE-r3作为目标域上视杯的Dice系数,视盘的Dice系数和CDR的绝对错误率分别为0.648 6、0.789 8、0.072 5,优于CADA的分割结果。在消融实验中,视盘分割和视杯分割在有对抗下分别优于无对抗8.00%、4.59%。提出的U型域对抗网络综合了U-Net和域对抗网络(domain-adversarial neural network, DANN)模型的优点,DANN模型中的生成器和判别器联合工作时,会相互对抗并优化分割和判别能力,从而显著提高不同数据集之间的分割性能。
2024年02期 v.40;No.196 46-56页 [查看摘要][在线阅读][下载 1405K] [下载次数:312 ] |[阅读次数:3 ] - 傅晨;王开军;
现有LASSO回归方法尚未解决回归关系式中冗余特征和无关特征的去除问题,提出一个决定系数与相关系数辅助的LASSO回归方法。设给定响应变量Y和备选解释变量集X,首先设计结合决定系数的LASSO回归正则化路径求解方法,找出X中的主解释变量;然后,设计结合决定系数、相关系数和正则化路径的方法,在固定主解释变量条件下求解LASSO回归的正则化路径过程中,去除X中的无关变量和冗余变量。模拟数据集和真实数据集的实验结果表明,新方法解决了LASSO回归中冗余特征和无关特征的去除问题,在冗余变量和无关变量的去除效果上胜过对比方法。
2024年02期 v.40;No.196 57-63+89页 [查看摘要][在线阅读][下载 1080K] [下载次数:898 ] |[阅读次数:2 ] - 宋继勐;周春雷;沈子奇;余晗;张伟阳;林兵;
数联网技术是解决数据管理困难及数据孤岛等问题的关键。近年来,随着数联网技术的飞速发展,Handle系统作为数联网标识解析领域中最具有代表性的系统得以快速落地。然而,Handle标识注册量和解析请求量的快速增长使得Handle系统缓存/递归解析服务节点的解析请求压力加大,且难以保证标识解析请求的服务质量。针对上述问题,提出一种基于TCN-GRU的缓存/递归解析服务节点的负载均衡算法,旨在优化缓存/递归解析服务节点的标识解析效率。首先,将用户的解析请求合理地分配到缓存/递归解析服务节点的服务器集群当中,以提升服务器集群整体的工作效率和吞吐量;其次,基于Handle系统中节点的层级架构,考虑到循环神经网络中普遍存在的梯度弥散问题,引入TCN时序神经网络,有助于提取服务器集群负载的时序性信息。相较于传统的负载均衡算法,所提算法根据服务器负载状况动态调整负载转发策略,服务器平均响应时间缩短50%左右,吞吐率提高40%左右,请求失败次数大幅减少。
2024年02期 v.40;No.196 64-73页 [查看摘要][在线阅读][下载 2019K] [下载次数:371 ] |[阅读次数:3 ] - 吴家鹏;龚平;林立;林铭炜;熊金波;
为改善智慧城市中隐私泄露及算力不足的问题,提出了一种融合边缘计算的联邦学习框架,将复杂的计算任务卸载至拥有更强计算和通信能力的边缘服务器上,提高了模型训练的效率,同时也确保了数据隐私的安全。在联邦学习过程中,提出了一种节能且高效的贡献估计算法,旨在激励参与者的持续参与。与现有的贡献估计方法相比,该算法能够有效减少计算和通信开销,并准确地估计各参与者的贡献。
2024年02期 v.40;No.196 74-82页 [查看摘要][在线阅读][下载 1463K] [下载次数:245 ] |[阅读次数:2 ]